传感器基础：无人机感知世界的“五官”

各位同学，欢迎来到第二章。上一章我们聊了数据采集的整体框架，这一章咱们得把目光聚焦到最底层的硬件——传感器。

说白了，无人机能飞、能悬停、能避障，靠的就是这些传感器。它们就像人的五官，有的负责感知姿态，有的负责看路，有的负责测距。我做了这么多年无人机系统，见过太多因为传感器选型或配置不当而炸机的案例。嗯，咱们今天就把这些传感器的脾气秉性摸清楚。

核心观点：没有完美的传感器，只有合适的融合方案。每种传感器都有它的长处和短板，理解这些是做好数据采集的第一步。

2.1 惯性测量单元（IMU）——无人机的“前庭系统”

IMU 是无人机最核心的传感器，没有之一。它由加速度计和陀螺仪组成，有的还包含磁力计（那叫 AHRS，但咱们先不展开）。

加速度计测量的是比力，说白了就是物体受到的加速度（包括重力）。陀螺仪测量的是角速度，也就是旋转的快慢。

我个人习惯把 IMU 比作人的内耳前庭——你闭着眼睛也能感觉到自己在转、在加速，IMU 就是干这个的。但它有个致命问题：漂移。

避坑指南：我曾经在一个测绘项目里，只用 IMU 积分做位置估计，结果飞了 30 秒后位置误差就超过了 10 米。为什么？因为陀螺仪的零偏误差会随时间累积，加速度计积分两次得到位移，误差是指数级增长的。所以 IMU 必须配合其他传感器做融合。

IMU 的数据采集要点：

采样率要高：通常 200Hz - 1kHz，太低的话控制环会发散。
时间戳要准：IMU 数据是融合的基础，时间戳不准，后面所有算法都白搭。
温漂补偿：温度变化会影响 IMU 的零偏，好的系统会做温度校准。

2.2 GPS / RTK 定位——无人机的“北斗导航”

GPS 大家都熟悉，但无人机上用的 GPS 和手机上的不太一样。我们关心的是：定位精度、更新频率、搜星数量。

普通 GPS 精度在 2-5 米，对于航拍够了，但对于测绘、植保、精准降落，完全不够。这时候就要上 RTK（实时动态差分定位）。

RTK 的原理其实不复杂：地面放一个基准站，天上无人机当流动站，两者同时接收卫星信号，基准站把差分修正量发给无人机，精度就能到厘米级。

参数	普通 GPS	RTK GPS
水平精度	2-5 米	1-3 厘米
垂直精度	4-8 米	3-5 厘米
更新频率	5-10 Hz	10-20 Hz
成本	低	高（需基准站）
适用场景	航拍、娱乐	测绘、精准农业

经验之谈：RTK 虽然精度高，但有个大坑——初始化时间。我遇到过在树下开机，RTK 固定解死活出不来，等了 5 分钟才收敛。所以做测绘任务时，一定要提前到开阔地带完成 RTK 初始化。

GPS 数据采集要注意：

数据格式通常是 NMEA 0183 协议，或者更高效的 u-blox 二进制协议。
一定要解析 定位质量指示（比如 RTK 的 fix 状态），不要盲目相信坐标值。
GPS 更新频率低（5-20Hz），不能直接用于姿态控制，只能用来修正 IMU 的长期漂移。

2.3 气压计——无人机的“高度尺”

气压计通过测量大气压强来推算高度。原理很简单：海拔越高，气压越低。但实际用起来，问题不少。

你想想看，无人机在悬停时，螺旋桨下洗气流会直接冲击气压计，导致读数剧烈跳动。我见过新手把气压计装在机腹正下方，结果高度数据像心电图一样上下乱窜。

正确的做法：

气压计要装在封闭的泡棉腔体内，隔绝气流扰动。
PCB 上要开小孔，保证内外气压平衡，但不能直通风。
软件上要做低通滤波，截止频率通常设在 2-5 Hz。

避坑指南：我曾经在高原地区（海拔 4000 米以上）飞无人机，气压计直接失效了。为什么？因为气压-高度换算公式是基于标准大气模型的，高原地区气压变化率不同，误差能到几十米。所以高海拔飞行，建议用 RTK 或激光测距来辅助定高。

2.4 磁力计——无人机的“电子罗盘”

磁力计测量的是地球磁场方向，用来确定无人机的航向（偏航角）。但说实话，磁力计是无人机上最“娇气”的传感器。

为什么？因为电磁干扰太严重了。电机、电调、电源线、甚至 PCB 上的大电流走线，都会产生磁场，把磁力计读数带偏。

我建议：

磁力计要尽量远离电机和电源线，至少保持 10cm 以上距离。
装机后必须做硬铁和软铁校准，消除机载磁场的影响。
校准方法：让无人机绕各个轴缓慢旋转 360 度，采集数据拟合椭球。

磁力计的数据采集频率通常在 50-100Hz，但它的响应比较慢，而且容易受高频噪声干扰。所以融合时，一般只用来修正 IMU 的偏航角漂移，不会直接用于控制。

2.5 超声波传感器——近距测距的“老实人”

超声波传感器通过发射声波并测量回波时间来计算距离。它的优点是：便宜、可靠、不受光照影响。

但缺点也很明显：

测量范围有限：通常 0.1 - 10 米，再远就衰减得厉害。
波束角宽：声波会扩散，容易打到旁边的物体，造成误测。
受温度和湿度影响：声速会随温度变化，需要补偿。
不能测透明物体：比如玻璃、水面，声波直接穿透了。

超声波在无人机上最常见的用途是近地定高和辅助降落。比如无人机降落时，GPS 高度误差太大，用超声波测距能精确到厘米级，保证平稳触地。

经验之谈：超声波传感器有个“盲区”——发射后的一小段时间内，接收器还在震荡，无法接收回波。所以最近测量距离通常有 10-20cm 的死区。做降落逻辑时，要考虑到这一点，别等到 10cm 才切换控制模式。

2.6 激光雷达（LiDAR）——无人机的“3D 扫描仪”

LiDAR 是近年来无人机感知领域的大热门。它通过发射激光脉冲并测量飞行时间（ToF）来计算距离，精度高、速度快、抗干扰能力强。

LiDAR 主要分两类：

单线 LiDAR：只扫描一个平面，用于避障或地形跟随。
多线 LiDAR：扫描多个平面，生成 3D 点云，用于建图和导航。

LiDAR 的数据量非常大。一个 16 线 LiDAR，每秒能产生 30 万个点。怎么处理这些数据？

// 伪代码：LiDAR 点云数据采集流程
while (lidar_connected) {
    // 1. 读取原始数据包（通常通过 UDP 或串口）
    raw_packet = lidar.readPacket();
    
    // 2. 解析数据包，提取距离、角度、强度
    for (i = 0; i < packet.points; i++) {
        point.x = distance * cos(angle);
        point.y = distance * sin(angle);
        point.z = 0;  // 单线 LiDAR 通常假设在同一平面
        point.intensity = raw_intensity;
        
        // 3. 时间戳标记（非常重要！）
        point.timestamp = get_system_time_us();
        
        // 4. 存入环形缓冲区，供后续算法使用
        point_buffer.push(point);
    }
    
    // 5. 检查缓冲区是否溢出
    if (point_buffer.isFull()) {
        // 丢弃最旧的数据，或者触发处理线程
        point_buffer.popOldest();
    }
}

避坑指南：LiDAR 最怕什么？太阳光干扰。强太阳光中的红外成分会淹没激光信号，导致测距失败。我曾在正午的沙漠里飞 LiDAR 无人机，测距距离直接从 100 米掉到 20 米。所以户外作业，尽量避开正午强光，或者选用抗阳光能力更强的 LiDAR 型号。

2.7 视觉传感器——无人机的“眼睛”

视觉传感器（相机）是无人机感知环境最直观的方式。它不直接测距，但通过图像处理，可以提取出丰富的环境信息。

视觉传感器的数据采集要点：

帧率：视觉里程计（VO）通常需要 20-60 FPS，太低的话运动估计会失败。
曝光控制：无人机飞行时光照变化剧烈，需要自动曝光或全局快门。
同步触发：如果要用视觉和 IMU 做融合（VIO），必须保证图像和 IMU 数据的时间戳对齐。

视觉传感器的两大主流应用：

视觉里程计（VO）：通过跟踪图像特征点，估算相机的运动轨迹。
视觉 SLAM：在未知环境中同时定位和建图。

我个人觉得，视觉传感器最大的优势是信息丰富——你能看到纹理、颜色、形状，这是 LiDAR 做不到的。但它的短板也很明显：对光照敏感、计算量大、在弱纹理环境（比如白墙、水面）容易失效。

📚 课程目录

传感器基础：无人机感知世界的“五官”

2.1 惯性测量单元（IMU）——无人机的“前庭系统”

2.2 GPS / RTK 定位——无人机的“北斗导航”

2.3 气压计——无人机的“高度尺”

2.4 磁力计——无人机的“电子罗盘”

2.5 超声波传感器——近距测距的“老实人”

2.6 激光雷达（LiDAR）——无人机的“3D 扫描仪”

2.7 视觉传感器——无人机的“眼睛”